基于数据分解和ESN网络的短期电力负荷预测模型
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-19页 |
| 1.1 背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 传统的预测方法 | 第12-13页 |
| 1.2.2 现代预测方法 | 第13-17页 |
| 1.3 本文的主要工作内容 | 第17-19页 |
| 2 电力负荷的特征 | 第19-23页 |
| 2.1 电力负荷的分类 | 第19-20页 |
| 2.1.1 工业用电 | 第19页 |
| 2.1.2 商业用电 | 第19页 |
| 2.1.3 农业用电 | 第19页 |
| 2.1.4 居民生活用电 | 第19-20页 |
| 2.2 电力负荷的周期特性 | 第20-22页 |
| 2.2.1 电力负荷的日周期性 | 第20-21页 |
| 2.2.2 电力负荷的周周期性 | 第21-22页 |
| 2.2.3 电力负荷的年周期性 | 第22页 |
| 2.3 电力负荷的混沌性 | 第22-23页 |
| 3 相似日选择 | 第23-28页 |
| 3.1 模糊聚类分析 | 第23-26页 |
| 3.1.1 数据标准化 | 第24-25页 |
| 3.1.2 构造模糊相似矩阵 | 第25页 |
| 3.1.3 模糊传递闭包法分类 | 第25-26页 |
| 3.2 选取相似日 | 第26页 |
| 3.3 实例分析 | 第26-28页 |
| 4 数据分解方法 | 第28-38页 |
| 4.1 EMD | 第28-32页 |
| 4.1.1 EMD基本原理 | 第28页 |
| 4.1.2 EMD分解过程 | 第28-30页 |
| 4.1.3 EMD分解实验 | 第30-32页 |
| 4.2 EEMD | 第32-34页 |
| 4.2.1 EEMD基本原理 | 第32页 |
| 4.2.2 EEMD分解过程 | 第32-33页 |
| 4.2.3 EEMD分解实验 | 第33-34页 |
| 4.3 ILMD | 第34-37页 |
| 4.3.1 LMD基本原理 | 第34-35页 |
| 4.3.2 ILMD分解过程 | 第35-36页 |
| 4.3.3 ILMD分解实验 | 第36-37页 |
| 4.4 三种分解实验比较 | 第37-38页 |
| 5 回声状态网络（ESN） | 第38-44页 |
| 5.1 ESN概述 | 第38-39页 |
| 5.2 ESN网络的主要优势 | 第39页 |
| 5.3 ESN网络结构 | 第39-41页 |
| 5.4 ESN网络的重要参数 | 第41-42页 |
| 5.5 ESN网络的训练过程 | 第42-44页 |
| 5.5.1 ESN网络的初始化 | 第42页 |
| 5.5.2 状态储备池状态的更新 | 第42页 |
| 5.5.3 计算得出输出权值矩阵 | 第42-44页 |
| 6 基于数据分解与ESN网络的短期电力负荷预测 | 第44-54页 |
| 6.1 总体预测模型 | 第44-46页 |
| 6.1.1 预测模型结构 | 第44-45页 |
| 6.1.2 预测模型训练 | 第45页 |
| 6.1.3 模型预测过程 | 第45-46页 |
| 6.2 EMD+ESN实验 | 第46-48页 |
| 6.2.1 实验的过程 | 第46页 |
| 6.2.2 实验结果 | 第46-47页 |
| 6.2.3 结果分析 | 第47-48页 |
| 6.3 EEMD+ESN实验 | 第48-50页 |
| 6.3.1 实验过程 | 第48页 |
| 6.3.2 实验结果 | 第48-50页 |
| 6.3.3 结果分析 | 第50页 |
| 6.4 ILMD+ESN实验 | 第50-52页 |
| 6.4.1 实验过程 | 第50页 |
| 6.4.2 实验结果 | 第50-52页 |
| 6.5 三种模型方法比较 | 第52-54页 |
| 7 结论与展望 | 第54-56页 |
| 7.1 总结 | 第54-55页 |
| 7.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第60页 |
